HACMP維護手冊

1、 HACMP維護文檔 什么是HACMP 在我們解釋什么是HACMP以前，我們先來定義一下高可用性的概念。 High availability：在當今復雜的環(huán)境下，成功實現(xiàn)IT應用的一個關鍵要素就是提供不間斷的應用服務和數(shù)據(jù)保護。HA就是這樣一個可以通過消除計劃內(nèi)/計劃外宕機事件從而向客戶應用提供不間斷服務的部件，它能達到消除從硬件到軟件的單點故障（SPOFs）。 實現(xiàn)一個高可用性解決方案，需要： 冗余服務器、冗余網(wǎng)絡、冗余網(wǎng)絡接口卡、監(jiān)視、故障檢測、故障診斷、自動接管、自動重新控制 HACMP的主要目標就是消除單點故障。 IBM針對AIX的高可用性解決方案-HACMP群集技術,它包括以下兩個組

2、件： 高可用性（HA）： 該進程保證應用在用戶復制共享資源時是可用的。 群集多處理（CMP）： 該進程提供在同一節(jié)點上多個應用共享或并發(fā)訪問 數(shù)據(jù)。 基于HACMP的高可用性解決方案提供自動失效檢測、診斷、應用恢復和節(jié)點重新控制。在恰當?shù)膽弥?，HACMP還可以在并行應用處理中提供對數(shù)據(jù)的并發(fā)訪問，從而提供更高的可擴展性。高可用性系統(tǒng)VS容錯系統(tǒng)容錯系統(tǒng)： 它是提供冗余的設計為不間斷操作。這樣的系統(tǒng)中所有的組件都是雙份的（不管硬件還是軟件），CPU、內(nèi)存、磁盤都有特殊的設計來提供不間斷服務。這樣的系統(tǒng)是非常昂貴和非常專業(yè)的。只有在要求0宕機的環(huán)境中，容錯系統(tǒng)設備和方案才有需求。高可用性系統(tǒng)：

3、配置為高可用性的系統(tǒng)是一組軟件、硬件的組合，可以保證系統(tǒng)失效后在可接受的宕機時間內(nèi)恢復。在這種系統(tǒng)中，軟件負責監(jiān)測到環(huán)境故障后將應用交給另一個機器實現(xiàn)隊員機器的接管。因此，在這種環(huán)境下重要的是消除SPOF。例如，如果只有一個網(wǎng)絡連接，就需要提供第二塊網(wǎng)卡以備主網(wǎng)卡失效后接管。另一點就是通過將數(shù)據(jù)放在所有節(jié)點都可以訪問的共享磁盤上并實現(xiàn)鏡像。HACMP相關概念1、群集拓撲： 包含基本的群集組件節(jié)點、網(wǎng)絡、通訊接口、通訊設備、通訊適配器。2、群集資源： 被設為高可用性的實體（例如文件系統(tǒng)、裸設備、服務IP標簽、應用等）。所有資源被組織成資源組（RG），HACMP保持唯一實體資源組的高可用性。資源組

4、可以被一個節(jié)點訪問或者在并發(fā)應用中同時被多個節(jié)點訪問。3、Fallover： 在活動節(jié)點出現(xiàn)故障時，將資源組從活動節(jié)點轉(zhuǎn)移到備份節(jié)點的動作。4、Fallback： 原來的活動節(jié)點恢復時，將資源組切換回原節(jié)點的動作。這是將失效節(jié)點重新集成到集群的標準動作。HACMP相關術語 要理解HACMP的正確功能并利用它，就必須知道一些術語：1、群集（Cluster）：為共享資源和相互通訊而通過網(wǎng)絡連接在一起的獨立主機（節(jié)點）。HACMP負責定義在協(xié)同的系統(tǒng)中哪個節(jié)點提供服務哪個節(jié)點不提供服務。所有節(jié)點共同負責維護應用的功能可用。2、節(jié)點（Node）：在群集中所有運行AIX系統(tǒng)和HACMP軟件的IBMp系列

5、服務器都是節(jié)點。每個節(jié)點都有一個資源集（磁盤、文件系統(tǒng)、IP地址、應用）在該節(jié)點失效時可以被群集中其他節(jié)點接管。3、資源（Resource）：是在群集配置中可以從一個節(jié)點轉(zhuǎn)移到其他節(jié)點的邏輯組件。所有必須提供高可用性應用的資源被構(gòu)成資源組（RG）。當節(jié)點失效時，資源組中的組件被一同從一個節(jié)點移動到另一個節(jié)點。一個群集可以有多個RG，從而提高節(jié)點的效率（也就是HACMP中的Multi-Processing）。HACMP相關術語4、接管：在群集內(nèi)部節(jié)點之間傳送資源的操作稱為接管。如果一個節(jié)點發(fā)生硬件故障或AIX故障，它的資源應用會被移到另一個節(jié)點。5、客戶：客戶就是可以通過局域網(wǎng)訪問群集節(jié)點應用的

6、一個系統(tǒng)?？蛻敉ㄟ^運行客戶端程序連接到應用所在的服務器上。 HACMP的實現(xiàn)(此處略去)安裝配置HACMP共分三步：1、準備AIX： 在AIX中配置硬件、軟件。2、安裝HACMP軟件3、配置HACMP群集AIX中需要配置網(wǎng)絡、共享磁盤、LVM組件等 配置IP 配置串行網(wǎng)絡 配置共享磁盤 定義LVM組件 編輯文件/.rhosts串行網(wǎng)絡 每個運行Cluster Manager進程軟件的節(jié)點會通過HACMP中配置的所有網(wǎng)卡持續(xù)送出Keep-alive包（心跳信號）到Cluster的其它各個節(jié)點。HACMP就是通過檢測節(jié)點間keep-alive包的中斷來檢測網(wǎng)絡事件。 Keep-alive包通常在同

7、一網(wǎng)絡上的服務網(wǎng)卡間和備份網(wǎng)卡間雙向傳輸。傳輸中的任何中斷都會激活故障檢測過程，此時，Keepalive向所有網(wǎng)卡上傳送。通過簡單的“淘汰過程”，故障原因被很快發(fā)現(xiàn)，然后群集可采取正確的事件處理腳本處理故障。 由于服務網(wǎng)卡和備份網(wǎng)卡都是采用TCP/IP進行通訊的，如果某節(jié)點的TCP/IP子系統(tǒng)發(fā)生故障或者網(wǎng)絡擁塞，就會造成Keep-alive包無法正常傳輸。此時因為所有的心跳停止了，其它節(jié)點將錯誤地認為該節(jié)點故障，導致其它節(jié)點試圖接管資源，群集及其資源將處于不穩(wěn)定狀態(tài)。 因此HACMP中必須配置一條串行網(wǎng)絡，當LAN故障時，可以提供另外的Keep alive路由。由于串行網(wǎng)絡不用TCP/IP協(xié)

8、議，所以TCP/IP子系統(tǒng)的故障并不意味著HACMP故障，使得群集可以分清網(wǎng)絡故障和節(jié)點故障，避免出現(xiàn)孤立節(jié)點串行網(wǎng)絡HACMP日常系統(tǒng)管理維護 日常日志1： 日常日志主要是記錄平時事件的啟動，從中可以了解HACMP的動作，例如主機standby網(wǎng)卡故障，有fail_standby事件發(fā)生，系統(tǒng)管理員可從日志中得知何時出的故障，及有沒有解決。主要日志文件有：（查找文件命令find / -name “文件名”）/var/hacmp/log/hacmp.out.1-7：存放由HACMP腳本產(chǎn)生的帶時間戳信息，包括執(zhí)行的命令及其輸出。腳本中的每一命令及其參數(shù)占一行。此文件一天刷新一次，保留七天；/v

9、ar/hacmp/adm/cluster.log：存放由HACMP腳本和daemon產(chǎn)生的帶時間戳的信息。每個事件在記錄文件中有兩行一行在開始時寫入，一行在結(jié)束時寫入。 日常日志2：/tmp/cm.log：（未找到）保存HACMP中clstrmgr進程產(chǎn)生信息的時間；HACMP技術人員在clstrmgr處于debug模式下排錯需要參考此文件內(nèi)容。重啟集群服務，這個文件就會被重寫，因此需要做好備份。(/var/hacmp/log中有參考日志文件)/var/hacmp/adm/history/cluster.mmddyyyy：HACMP的歷史記錄文件,不同日期發(fā)生的集群事件記錄在不同的文件中。mm

10、-月 dd-日 yyyy-年HACMP日常系統(tǒng)管理維護 啟動和關閉HACMP 啟動群集是指在一個或幾個節(jié)點上啟動Cluster Manager，并使客戶機能夠訪問群集的資源。 HACMP可以配置為自動啟動或手動啟動，自動啟動是通過在文件/etc/inittab/etc/inittab中的一條命令來實現(xiàn)的，但是配置為自動啟動后，故障節(jié)點返回群集時可能發(fā)生資源的接管，造成不必要的停機。因此，建議配置為手動啟動。啟動關閉HA必須有root權(quán)限！ 啟動命令：# smit clstart 選項按缺省，建議在一個節(jié)點完全啟動后再啟動另一個節(jié)點，并在啟動過程中監(jiān)視事件腳本的輸出（tail f /var/ha

11、cmp/log/hacmp.out.7 ）。 HACMP日常系統(tǒng)管理維護 關閉命令：# smit clstop 該命令中尤其要注意第四個選項Select an Action on Resource Groups：指停止HACMP后，其上的資源如何處理：三種選擇1、Bring Resource Groups Offline：釋放資源，但其它節(jié)點不接管2、Move Resource Groups：釋放資源，其它節(jié)點接管資源3、Unmanage Resource Groups：停止進程，但不釋放資源（不處理） 我們的配置中默認是其他節(jié)點接管資源。 注意：我們不推薦在同一時間在多個節(jié)點上使用第三個選項

12、來停止群注意：我們不推薦在同一時間在多個節(jié)點上使用第三個選項來停止群集服務。集服務。HACMP日常系統(tǒng)管理維護無論何時，都應該避免用kill -9命令停止群集管理后臺進程。在這種情況下（使用kill -9命令），系統(tǒng)資源控制器（SRC）會檢測到clstrmgr后臺進程異常退出。這會造成系統(tǒng)停止并有可能造成共享存儲數(shù)據(jù)的破壞。依照資源組策略，其他節(jié)點會初始化接管。 當出現(xiàn)主、備機在關電后，再次啟動時，備機正常，主機不能啟動，要按指定步驟操作：在備機上執(zhí)行 # smit hacmp選擇System Management(C-SPOC)-Resource Group and Applications

13、-Move a Resource Group to Another Node/Site- Move Resource Groups to Another Node-選擇需要移動的資源組，選擇備機節(jié)點進行接管。退出命令行，啟動HACMP，這時備機接管主機資源。HACMP日常系統(tǒng)管理維護 查看HACMP狀態(tài)在HACMP中，它啟動一個進程來監(jiān)控各節(jié)點。用# ps ef|grep clinfo 命令查看clinfo進程是否啟動。若未啟動，有兩種方法啟動此進程：1、執(zhí)行 # /usr/sbin/cluster/clinfo2、啟動HACMP時， # smit clstart 中 Startup Clus

14、ter Information Daemon （后臺守護程序）改為 true用/usr/sbin/cluster/clstat 命令查看各節(jié)點狀態(tài)，因現(xiàn)使用的是字符終端，出現(xiàn)的將是字符界面。須注意的是群集的substate屬性，正常為Stable（ 穩(wěn)定的；堅定的；牢固的），不是Stable時，HACMP可能有動作或者是不正常。HACMP日常系統(tǒng)管理維護HACMP日常系統(tǒng)管理維護獲取集群狀態(tài)(一) 檢查集群服務daemon狀態(tài)： lssrc -g cluster; lssrc -g lock 檢查集群和網(wǎng)絡接口狀態(tài)： /usr/sbin/cluster/clstat （在smit hacmp

15、中用問題診斷工具查看更好） 查看集群記錄文件： tail -f /var/hacmp/log/hacmp.out.1-7 more /var/hacmp/adm/history/cluster.mmddyyyy tail -f /var/hacmp/adm/cluster.log 檢查節(jié)點名的正確性： odmget HACMPcluster獲取集群狀態(tài)(二) 檢驗集群配置：/usr/sbin/cluster/diag/clconfig -v -tr /一般慎用 顯示集群配置：/usr/sbin/cluster/utilities/cllscf 顯示clstrmgr版本：snmpinfo -m

16、dump -o /usr/sbin/cluster/hacmp.defs clstrmgrHACMP日常系統(tǒng)管理維護 校驗HACMP 執(zhí)行 # /usr/es/sbin/cluster/diag/clverify，將會出現(xiàn)一個交互式界面，可以檢驗HACMP軟件（bos）和拓撲結(jié)構(gòu)（topology），管理員可按提示操作。HACMP日常系統(tǒng)管理維護 在磁盤陣列上添加邏輯卷、擴大卷組：首先把主、備機的HACMP停下。在主機上： # varyonvg sharevg; 擴大卷組或增加邏輯卷 （在AIX中已講） # varyoffvg sharevg；在備機上：# exportvg sharevg;

17、# smit importvg 將sharevg重新import進來； # smit chvg 將sharevg在下次啟動時不自動激活； # varyoffvg sharevg。HACMP日常系統(tǒng)管理維護 增加文件系統(tǒng)、新的卷組，并要接管首先把主、備機的HACMP停下。在主機上： # varyonvg sharevg； 增加文件系統(tǒng)、新的卷組；（AIX中講述） # varyoffvg sharevg；在備機上： # exportvg sharevg； # smit importvg 將sharevg重新import進來； # smit chvg 將 sharevg在下次啟動時不自動激活； #

18、varyoffvg sharevg。在主機上：#smit hacmp-Cluster Configuration-Cluster Resource-Change/Show Resources for a Resource Group 在Filesystems選項中加入新的文件系統(tǒng)，Volume Groups選項中加入新的卷組名； # smit hacmp-Cluster Configuration-Cluster Resources-Synchronize Cluster Resources 按缺省選項執(zhí)行。HACMP日常系統(tǒng)管理維護 HACMP備份 HACMP允許將群集的配置存儲在一個文件中

19、，稱為snapshot，系統(tǒng)管理員可從此文件中恢復HACMP的配置。 文件缺省存放在/usr/es/sbin/cluster/etc/snapshot目錄下，生成兩個文件，后綴名分別為.odm、.info，.odm文件存放AIX ODM數(shù)據(jù)庫類的信息，.info為群集的信息，可查看。 創(chuàng)建方法：# smit hacmp-Cluster Configuration-Cluster Snapshots-Add a Cluster Snapshot，在Cluster Snapshot Name中填寫XX，在Cluster Snapshot Description中填寫 Xxbackup，執(zhí)行。 系統(tǒng)

20、管理員將/usr/sbin/cluster/snapshots下的XX.odm、XX.info備份。 恢復方法：先將備份的XX.odm、XX.info文件拷入/usr/sbin/cluster/snapshots目錄下，執(zhí)行#smit hacmp-Cluster Configuration-Cluster Snapshots-Apply a Cluster Snapshot選擇XX，執(zhí)行。HACMP日常系統(tǒng)管理維護 錯誤恢復：當HACMP配置出現(xiàn)問題時，啟動不能正常結(jié)束，此時/tmp/hacmp.out文件中會出現(xiàn)event errot ，管理員應按以下步驟停止HACMP：# smit hac

21、mp-Cluster Recovery Aids-Recovery from Scrip Failure選擇一塊正在工作的網(wǎng)卡，建議用standby網(wǎng)卡，執(zhí)行。然后再將HACMP關閉。HACMP日常系統(tǒng)管理維護 錯誤舉例：腳本運行超時錯誤(config_too_long)（發(fā)生原因及現(xiàn)象）每當集群狀態(tài)發(fā)生變化時，HACMP軟件將運行相應的腳本在某些情況下，比如腳本編寫錯誤、應用運行錯誤、特殊集群狀態(tài)等，可能造成腳本運行掛起HACMP判斷腳本運行掛起的超時條件是6分鐘（默認） HACMP認為腳本運行掛起后，將在/tmp/hacmp.out中記錄config_too_long信息： This cl

22、uster has been in reconfiguration too long: Something may be wrongHACMP日常系統(tǒng)管理維護腳本運行超時錯誤(config_too_long)（原因分析及解決方法）多數(shù)情況下，是由于腳本運行失敗。但腳本中的命令確實需要運行較長時間的情況也不能排除，這種情況下，腳本運行并未失敗，集群管理程序也正常，因此需要查看/tmp/hacmp.out以確定原因如果存在錯誤，可根據(jù)/tmp/hacmp.out和/var/adm/cluster.log的內(nèi)容查找并排除錯誤運行clruncmd命令或使用SMIT的“Cluster Recovery Aids”屏，使集群管理器恢復集群處理HACMP日常系統(tǒng)管理維護Deadman Switch（發(fā)生錯誤接管的情況）集群中的主機定時向其他主機發(fā)送heartbeat信息服務主機并未失效，但可